三重大学ウェブシラバス

シラバス表示

　シラバスの詳細な内容を表示します。

→ 閉じる（シラバスの一覧にもどる）

科目の基本情報

開講年度	2023 年度
開講区分	共通教育・教養基礎科目

受講対象学生	学部(学士課程) : 2年次, 3年次, 4年次, 5年次, 6年次 2年次以上（人文文化学科は３年次以上）で、データサイエンスⅡを履修（単位を取得していることが望ましい）している方（工学部を除く）。人文文化学科１・2年生は2年次後期で開講されるデータサイエンスⅡを、工学部を含むその他1年生の方は1年後期に開講されるデータサイエンスⅡを受講してください。入学時にカリキュラム上にデータサイエンスⅡの開講がない学年の方（工学部以外は令和３年度以前入学生、工学部は令和4年度以前の入学生）は受講対象です。
授業科目名	現代科学理解特殊講義２
	げんだいかがくりかいとくしゅこうぎ　に
	Lecture Course in Understanding Modern Sciences 2
授業テーマ	データサイエンスAI
単位数	2 単位

受講対象学生	学部(学士課程) : 2年次, 3年次, 4年次, 5年次, 6年次 2年次以上（人文文化学科は３年次以上）で、データサイエンスⅡを履修（単位を取得していることが望ましい）している方（工学部を除く）。人文文化学科１・2年生は2年次後期で開講されるデータサイエンスⅡを、工学部を含むその他1年生の方は1年後期に開講されるデータサイエンスⅡを受講してください。入学時にカリキュラム上にデータサイエンスⅡの開講がない学年の方（工学部以外は令和３年度以前入学生、工学部は令和4年度以前の入学生）は受講対象です。
授業科目名	現代科学理解特殊講義
	げんだいかがくりかいとくしゅこうぎ
	Lecture Course in Understanding Modern Sciences
授業テーマ	データサイエンスAI
単位数	2 単位
ナンバリングコード	libr-comp-SLEC1311-002

開放科目	非開放科目
分野	環境・科学
分類・領域	教養統合科目・現代科学理解 (2022（令和4）年度〜2015（平成27）年度入学生対象)
開講学期	後期集中
開講時間
授業形態	対面授業 * 状況により変更される可能性があるので定期的に確認して下さい「オンライン授業」・・・オンライン会議ツール等を利用して実施する同時双方向型の授業「ハイブリッド授業」・・・「対面授業」と「オンライン授業」を併用した授業「オンデマンド授業」・・・動画コンテンツの配信等によって実施する授業
開講場所	教養教育校舎１号館３階３０３教室、第４教室（端末室）（総合研究棟２の１F）、数理・データサイエンス館（レクチャールーム、スタジオほか）
担当教員	奥原俊、森本尚之、杉浦徳宏、堀川慎一、末原憲一郎
	OKUHARA Shun, MORIMOTO Naoyuki, SUGIURA Tokuhiro, HORIKAWA Shin-ichi, SUEHARA Ken-ichiro
	末原：suehara@bio.mie-u.ac.jp、内線9596
SDGsの目標
連絡事項	本講義は、ビデオ教材を活用したオンデマンド６回（第2～5回および7～8回）と対面９回（うち体験型学習６回）で構成され、後者９回分は集中講義形式を想定（3日間の午後、ただし、連続した日程とは限らない）しています。データサイエンスⅡ単位習得者と未取得者で体験型学習のクラス分けを行います。データサイエンスⅡ再履修クラスに対応可能な場合がありますが、単位未取得者は原則、それぞれの学部のデータサイエンスⅡを再履修してください。 * 状況により変更される可能性があるので定期的に確認して下さい

学修の目的と方法

授業の概要	近年、人工知能（AI）という言葉をよく耳にする。AIに関連した技術の進歩は、わたしたちの暮らしを便利にする一方で、AIに仕事を奪われるかもしれないなど、新たな社会問題となってきている。そもそも、AIとは何でしょうか。本講義では、まず初めにAIとそれを支える技術（データ収集・解析、機械学習など）との関係を整理し、マーケティング、企業分析、品質管理、生命科学、金融、保険、製造業などの分野でAIが社会でどのように活用されているかを学ぶ。つぎに、AIを理解するために必要なデータサイエンスの基礎（データを収集して読み、説明し、適切に扱う）を学ぶことで、現在、AIが得意としている画像認識と音声認識（類似画像検索やキノコの種類を教えてくれる、自動翻訳や音声検索アプリに応用されている）を例に、実際にデータがどのようにして扱われているのかを理解する。最後に、データサイエンスに関する体験型学習を通じてデータサイエンスの活用手順について学ぶ。
学修の目的	今後のデジタル社会において、データサイエンス・AIを日常の生活、仕事等の場で使いこなすことができる基礎的素養を身に付けること。そして、学修したデータサイエンス・AIに関する知識をもとに、これらを扱う際には、人間中心の適切な判断ができ、不安なく自らの意志でAI等の恩恵を享受し、これらを説明し、活用できるようになることを目的とする。　学生が、急速に発展しグローバル化するAIを中心としたデジタル化社会において発生すると思われる科学的問題に関心を持ち、それらについて合理的・科学的に考える力を身に着けることができる。また、AIの普及に伴う社会構造の変化に対応するための対応策を考えることができるようになる。
学修の到達目標	データサイエンスⅠで学んだデータリテラシーに基づいて収集・整理した情報に対して、これらを適切に読み、説明し、扱うための基礎知識を得る。また、データサイエンス・AIが実社会で活用されている事例やデータを扱う体験を通して、AIとそれに関連する技術の概要が理解できる。
ディプロマ・ポリシー	○ 学科・コース等の教育目標 ○ 全学の教育目標感じる力　感性　共感 ○主体性考える力 ○幅広い教養　専門知識・技術 ○論理的・批判的思考力コミュニケーション力 ○表現力(発表・討論・対話) 　リーダーシップ・フォロワーシップ　実践外国語力生きる力　問題発見解決力　心身・健康に対する意識　社会人としての態度・倫理観
成績評価方法と基準	講義・ビデオ内容の理解度（小テストなど）６０％、最終レポート４０％最終レポートとして体験型学習に関する動画（音声付きPPT）を作成してMoodle上で公開、相互で評価した結果を参考にします。
授業の方法	講義演習
授業の特徴	PBL 特色ある教育プレゼンテーション/ディベートを取り入れた授業グループ学習の要素を加えた授業 Moodleを活用する授業英語を用いた教育
授業改善の工夫	オンデマンド活用と体験型学習の充実とクラス分け
教科書	資料などをMoodle上に掲載
参考書
オフィスアワー	末原：火曜日16:30～17:30（第３火曜日は不在：水曜10:30~12:00）
受講要件	2年次以上、かつデータサイエンスⅡの履修経験があること。ただし、入学時点でデータサイエンスⅡがカリキュラム上にない工学部と３年次以上の人文・教育・医・生物資源学部の学生は受講可能です。
予め履修が望ましい科目	データサイエンスⅠ、データサイエンスⅡ、その他情報系基礎教育科目
発展科目	データサイエンスⅢ（令和5年度開講）、データサイエンスPBL（仮、令和6年度開講計画）
その他	本講義は、令和4年度より開講されるデータサイエンスⅡ（1年次後期、人文文化は2年次後期）の内容を一部含みますが、データサイエンスⅡとデータサイエンスⅢの間に位置する科目です。オンデマンド活用と体験型学習を取り入れた集中講義形式の授業です。データサイエンスⅡ単位取得者は体験型学習において発展的内容を学修することができます。データサイエンスⅡが受講できなかった学年の方も、オンデマンド部分でDSⅡの内容が含まれていますので受講することができます。データサイイエンスⅢはデータサイエンスⅡを受講して単位取得していれば（本講義を経なくても）受講可能です。

授業計画

MoodleのコースURL

キーワード	データサイエンス、人工知能（AI）、デジタル化社会
Key Word(s)	Data　Science、Artificial Intelligence (AI)、Digital Society
学修内容	第1回　社会で起きている変化、活用されているデータデータサイエンスに関連した技術について整理し、現代社会においてデータがどのように活用されているかを紹介し，なぜいまデータサイエンスを学ぶのかを学びます。第2回　データ・AI利活用の最新動向～重要な用語、活用領域・現場・技術現実の社会でデータがどのように活用されているのかについて、いくつかの事例（企業分析、品質管理、生命科学、マーケティング、製造業・保険・金融分野など）を紹介しつつ，データサイエンスに関わる重要な用語について説明します。第3回　AI利活用のためのデータ処理（データを読む１） AIを活用する時に行われているデータ処理について，具体例を中心に説明します。第4回　統計学基礎（データを読む２）集団の特徴を統計的な数値として捉え，２つの集団の関係性を数値化する方法（相関係数など）について学びます。第5回　データに基づいた作図（データを説明する１）集団の特徴を捉えるためのグラフ作成法（作図）とその適切な示し方を学び、図を用いて集団の特徴を説明する方法を学びます。第6回　統計解析基礎（データを説明する２）２つまたは３つ以上の集団の関係性（単回帰、重回帰など）について学びます。第７回　表計算処理（データを扱う１） EXCELやスプレッドシートを用いたデータ処理について学びます。第８回　データ倫理・データリテラシー（データを扱う２）収集したデータを扱う際の注意点（倫理面と社会的合意形成など）について学びます。第９回　画像・音声・テキストデータ（データを扱う３）画像・音声・テキストデータの取り扱いについて学びます。第10回　データサイエンス体験型学習１（質的データの収集）第11回　データサイエンス体験型学習２（質的データの解析）第12回　データサイエンス体験型学習３（質的データの活用）第13回　データサイエンス体験型学習４（量的データの収集）第14回　データサイエンス体験型学習５（量的データの解析）第15回　データサイエンス体験型学習６（量的データの活用）
事前・事後学修の内容	事前学修として学修内容に関連したビデオ教材の視聴、事後学習として理解度チェックのための小テストや小課題と体験型学習に向けた事前学習が含まれます。体験型学習では、データ収集・解析・活用に関する事前事後の調査（図書館やWebを活用した調査）と数分の報告ビデオ（音声付きPPT）作成などを行います。
事前・事後学修の内容	事前学修の時間:90分/回　　　事後学修の時間:150分/回